| 内容提要 | 第1-8页 |
| 第1章 绪论 | 第8-20页 |
| ·研究背景 | 第8-16页 |
| ·土地覆盖与遥感技术 | 第8-10页 |
| ·机器学习 | 第10-12页 |
| ·机器学习方法在遥感影像特征提取与分类中的研究综述 | 第12-16页 |
| ·研究目的和意义 | 第16-17页 |
| ·研究内容和研究方案 | 第17-18页 |
| ·论文组织结构 | 第18-20页 |
| 第2章 遥感信息提取与机器学习相关算法 | 第20-31页 |
| ·土地覆盖特征提取 | 第20-24页 |
| ·土地覆盖特征提取的概念与研究意义 | 第20-21页 |
| ·机器学习中特征提取相关算法 | 第21-24页 |
| ·土地覆盖分类 | 第24-30页 |
| ·土地覆盖分类的概念与研究意义 | 第24页 |
| ·机器学习中分类相关算法 | 第24-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于模糊统计学的主成分分析特征提取方法研究 | 第31-49页 |
| ·算法研究背景 | 第33-35页 |
| ·图像的一元和多元统计分析 | 第33-35页 |
| ·模糊统计学在遥感信息提取中的应用 | 第35页 |
| ·算法实现 | 第35-38页 |
| ·基于模糊统计学的一元和多元图像统计特征 | 第35-37页 |
| ·基于模糊统计学的主成分分析算法 | 第37-38页 |
| ·实验结果与分析 | 第38-48页 |
| ·数据集 | 第38-40页 |
| ·主成分分析算法实验结果 | 第40-42页 |
| ·基于模糊统计学的主成分分析算法实验结果 | 第42-44页 |
| ·实验结果比较分析 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 基于模糊统计学的吸引子传播分类识别方法研究 | 第49-72页 |
| ·算法研究背景 | 第51-53页 |
| ·相似性度量 | 第51-52页 |
| ·模糊分类及其在遥感图像处理中的应用 | 第52-53页 |
| ·算法实现 | 第53-58页 |
| ·基于模糊统计学的相似性度量 | 第53-55页 |
| ·基于模糊统计学的吸引子传播算法 | 第55-58页 |
| ·实验结果与分析 | 第58-71页 |
| ·实验结果 | 第58-67页 |
| ·计算效率分析 | 第67-69页 |
| ·参数选择分析 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第5章 增量式半监督吸引子传播分类识别方法研究 | 第72-87页 |
| ·算法研究背景 | 第73-76页 |
| ·半监督聚类 | 第73-75页 |
| ·增量学习 | 第75-76页 |
| ·算法实现 | 第76-79页 |
| ·半监督增量学习策略 | 第76-77页 |
| ·增量式半监督吸引子传播算法 | 第77-79页 |
| ·实验结果与分析 | 第79-85页 |
| ·评价准则 | 第79-80页 |
| ·实验结果 | 第80-85页 |
| ·算法性能分析 | 第85页 |
| ·本章小结 | 第85-87页 |
| 第6章 利用ETM+数据对吉林省北部地区进行土地覆盖遥感信息提取 | 第87-96页 |
| ·研究区概况 | 第87-89页 |
| ·研究区土地覆盖遥感信息提取 | 第89-95页 |
| ·特征提取 | 第89页 |
| ·分类识别 | 第89-95页 |
| ·实验结果分析 | 第95页 |
| ·本章小结 | 第95-96页 |
| 第7章 结论 | 第96-99页 |
| ·主要工作及结论 | 第96-97页 |
| ·论文特色及创新点 | 第97-98页 |
| ·论文特色 | 第97页 |
| ·论文创新点 | 第97-98页 |
| ·进一步工作设想 | 第98-99页 |
| 参考文献 | 第99-109页 |
| 攻读博士学位期间（待）发表的学术论文及参加的科研项目 | 第109-110页 |
| 致谢 | 第110-111页 |
| 摘要 | 第111-114页 |
| Abstract | 第114-116页 |
